营业日志 2020.12.25 求斯特林数的一些其他复杂度

大家圣诞节快乐……

---

我们认为以下几种问题及其复杂度在当下是已经基本普及的。

常规 行 S1

对于 $0\le k\le n$，计算所有 $\left[\genfrac{}{}{0ex}{}{n}{k}\right]$。

理论基础：多项式平移（或称泰勒展开）

实现：约等于两次长为 $n$ 的多项式乘法。$\Theta (n\log n)$

常规 行 S2

对于 $0\le k\le n$，计算所有 $\left\{\genfrac{}{}{0ex}{}{n}{k}\right\}$。

理论基础：斯特林数的容斥公式

实现：一次长为 $n$ 的多项式乘法。$\Theta (n\log n)$

常规 列 S1

对于 $0\le k\le n$，计算所有 $\left[\genfrac{}{}{0ex}{}{m+k}{m}\right]$。

理论基础：EGF

实现：多项式快速幂。$\Theta (n\log n)$

常规 列 S2

对于 $0\le k\le n$，计算所有 $\left\{\genfrac{}{}{0ex}{}{m+k}{m}\right\}$。

理论基础：EGF

实现：多项式快速幂。$\Theta (n\log n)$

常规 单点 S2

计算 $\left\{\genfrac{}{}{0ex}{}{m}{n}\right\}$。

理论基础：斯特林数的容斥公式

实现：$\Theta (n{\log }_{n}m)$

---

行前缀 S2

对于 $0\le k\le m$，计算所有 $\left\{\genfrac{}{}{0ex}{}{n}{k}\right\}$。

实现：$\Theta (m{\log }_{m}n+m\log m)$

这实际上就是对发现前缀只需要把朴素算法的卷积截短一点，没什么太多意思。

---

我们可以通过拉格朗日反演来算一些特殊位置的点值。

行后缀 S1

对于 $0\le k\le n$，计算所有 $\left[\genfrac{}{}{0ex}{}{m}{m-k}\right]$。

我们使用拉格朗日反演公式。令 $F(x)=\ln \frac{1}{1-x},G(x)=1-{\mathrm{e}}^{-x}$。由复合逆性质可得反演公式

$$\begin{array}{rl}m[x^m]F^{m-k}& =(m-k)[x^{-(m-k)}]G^{-m}\\ m[x^m]{\left(\ln \frac{1}{1-x}\right)}^{m-k}& =(m-k)[x^k]{\left(\frac{x}{1-{\mathrm{e}}^{-x}}\right)}^m\\ \left[\genfrac{}{}{0ex}{}{m}{m-k}\right]& =\frac{(m-1)!}{(m-k-1)!}[x^k]{\left(\frac{x}{1-{\mathrm{e}}^{-x}}\right)}^m\end{array}$$

行后缀 S2

我们令 $F(x)={\mathrm{e}}^x-1,G(x)=\ln (1+x)$，可得

$$\left\{\genfrac{}{}{0ex}{}{m}{m-k}\right\}=\frac{(m-1)!}{(m-k-1)!}[x^k]{\left(\frac{x}{\ln (1+x)}\right)}^m$$

因此二者都可以通过多项式快速幂在 $\Theta (n\log n)$ 时间计算。

---

但是 行后缀 S1 还有常数更小的求法。

行后缀 S1

由于第一类斯特林数的一行有一个简单的表达方法，因此我们可以发现求后缀无非是求

$$\prod _{i=0}^m(1+ix)$$

的前 $n$ 项，通过积和转换，对其取 $\ln$，我们只需要对每个 $1\le k\le n$，求出 $k$ 次幂和。通过对伯努利数的预处理，这可以在常数较小的 $\Theta (n\log n)$ 时间解决。

---

事实上，还有一些其他奇怪的复杂度。比如和模数是不大的质数 $p$ 相关的系列。

小质数 单点 S1

计算 $\left[\genfrac{}{}{0ex}{}{m}{n}\right]$。同余质数 $p>m$。

实现：$\Theta (p)$。

这一算法的要点在于注意到我们可以直接考虑行 OGF $x^{\overline{n}}=x(x+1)\cdots (x+n-1)$ 在所有位置的点值可以通过前缀积优化复杂度计算出，之后通过计算单点的 IDFT 值做到严格线性。即

$$\mathrm{IDFT}[A{]}_j=\frac{1}{p-1}\sum _k{A}_k{g}^{-jk}$$

小质数 远处 单点 S1

计算 $\left[\genfrac{}{}{0ex}{}{m}{n}\right]$。同余质数 $p$。

实现：$\Theta (p+{\log }_{p}m)+$ 进制转换。

注意到 $x^{\overline{p}}\equiv x^p-x$ 和 Lucas 定理 $f(x{)}^p\equiv f(x^p)$，我们可以把计算需要的 $m,n$ 降下来。

---

通过一点变体，我们可以以更小的常数计算第二类斯特林数的列。

改良 列 S2

对于 $0\le k\le n$，计算所有 $\left\{\genfrac{}{}{0ex}{}{m+k}{m}\right\}$。

实现：$\Theta (n\log m)$。

我们可以发现它的 OGF 实际上就是 $\frac{1}{(1-x)(1-2x)\cdots (1-mx)}$，其中分母就是第一类斯特林数的带符号倒转。所以 ${\prod }_{1\le k\le m}(1-kx)$ 是可以在 $\Theta (m\log m)$ 时间内计算的。

接下来我们要注意到，对于 $n$ 次多项式 $f$ 商一个 $m$ 次多项式 $g$，可以在 $\Theta (n\log m)$ 时间内完成。我们可以每次 $\Theta (m\log m)$ 求出这个商的前 $m$ 项，设其为 $h$，那么考虑 $f(x)/g(x)-h(x)$ 就只改变了前 $m$ 项，而其 $=(f(x)-g(x)h(x))/g(x)$，其中分子的前 $m$ 项为 $0$，我们就可以开始算下一组了。复杂度即为 $\Theta ((n/m)\cdot m\log m)=\Theta (n\log m)$。

---

事实上，第一类斯特林数的一行前缀也是可以优化的。但注意到 $\left[\genfrac{}{}{0ex}{}{n}{1}\right]=(n-1)!$，所以目前的技术要带 $\Omega (\sqrt{n}\log n)$ 了。

行前缀 S1

对于 $0\le k\le m$，计算所有 $\left[\genfrac{}{}{0ex}{}{n}{k}\right]$。

实现： Θ ( min ⁡ { m n log ⁡ n , n log ⁡ n } ) \Theta \left(\min \left\{m\sqrt n \log n, n\log n \right\}\right) Θ(min{mn ​logn,nlogn})。

先粗略分析指数。

考虑设大小 $B$，$f_y(x)={\prod }_{i=0}^{B-1}(x+y+i)$，我们维护出 $f_0,f_B,\dots ,f_{(n/B)\cdot B}$ 关于 $y$ 的点值表示。此时的多项式次数是 $D=\min (B,m)$，维护其的复杂度约为 $\tilde{O}(D(B+n/B))$。

接下来需要将它们都乘起来。

若 $D=m$，那么接下来无非是 $\Theta (n/B)$ 回 $m$ 次多项式乘法。复杂度为 $\Theta (nm/B\log n)$，总和前者，总共复杂度为 $\tilde{O}(m(B+n/B))$。由于此时 $B\ge m$，可在 $m\le \sqrt{n}$ 时取到 $\tilde{O}(m\sqrt{n})$，在 $m>\sqrt{n}$ 时取到 $\tilde{O}(m^2)$。

若 $D=B$，那么接下来等价于 $\Theta (n/m)$ 轮的 $m$ 次多项式乘法，那已经消耗了 $\tilde{O}(n)$ 的时间，而带回前面的复杂度也有 $\tilde{O}(B^2+n)$，因此不如朴素算法来的优！

可见，这种方法只有 $m\le \sqrt{n}$ 的时候才是优秀的，注意到该方法在前面分块的部分可以通过经典的拉格朗日插值 $+$ 倍增做到一个 $\log$，因此整个算法的复杂度为 $\Theta (m\sqrt{n}\log n)$。